Investigación & Desarrollo

Nuestra Investigación

Durante los últimos 25 años, hemos realizado investigación y desarrollo en varios temas relacionados con la IA, incluido  procesamiento del lenguaje natural (NLP), analítica textual,  aprendizaje automático y sistemas multiagente.

Tecnologías de Lenguaje para Contact Centers Inteligentes

Las empresas utilizan los contact centers para interactuar con los clientes con el objetivo de brindarles soporte y asistencia técnica. Las soluciones de autoservicio automatizadas, como los chatbots, los asistentes virtuales no brindan asistencia de inteligencia e interacciones continuas con los usuarios. Además, no está claro cómo se pueden responder o enrutar a los humanos preguntas complejas en lenguaje natural. Este proyecto desarrolló un marco avanzado de procesamiento de lenguaje natural de múltiples componentes para permitir el enrutamiento automático de llamadas, que no se pueden identificar utilizando centros de llamadas simples con soporte de voz.

SourceiText Routing: Reconocimiento Inteligente de Intenciones de usuarios para enrutamiento de llamadas.

Detección Inteligente de Fraudes para Compañías de Distribución Eléctrica

Por lo general, la detección de fraude en el suministro de energía (i.e., consumo no registrado) se basa en decisiones de varios especialistas y analistas humanos, que tienen baja precisión de predicción en la tarea de predecir fraudes. Este proyecto desarrolló varios métodos de IA que combinados permiten la detección de fraudes en el suministro de energía con casi 3 o 4 veces más efectividad que los analistas humanos.

SourceDesarrollan en Chile Sistema Inteligente para detectar Fraudes Eléctricos 

Interfaces Cerebro-Computador para Reconocimiento de Emociones

El reconocimiento automático de emociones EEG generalmente está restringido a una pequeña cantidad de clases de emociones, principalmente debido a las características de la señal y ruido, restricciones de EEG y problemas dependientes del sujeto. Para abordar estos problemas, se desarrolló un nuevo modelo de reconocimiento de emociones basado en características para interfaces cerebro-computadora basadas en EEG que utilizan clasificadores automáticos basados ​​en kernel en conjuntos de datos de EEG estándar.
Source: Improving BCI-based Emotion Recognition by Combining EEG Feature Selection and Kernel Classifiers.

Evaluación Automática de Ensayos utilizando Análisis de Discurso en Lenguaje Natural

Este proyecto combinó el análisis del discurso, aprendizaje de embeddings (i.e., LSA, BERT)  y modelos semánticos y sintácticos para la evaluación automatizada de ensayos. El enfoque combina características lingüísticas superficiales y patrones discursivos para predecir la puntuación de un ensayo mediante el uso de técnicas de aprendizaje automático. A diferencia de los enfoques actuales, el método mide directamente la coherencia de un ensayo mediante el uso de semántica basada en corpus y técnicas de centrado de texto para determinar los patrones discursivos que subyacen a los altos -ensayos de calidad en comparación con ensayos evaluados por humanos.

SourceCoherence-Based Automatic Essay Assessment

Robótica Multi-Agente Autónoma

Este proyecto desarrolló un sistema inteligente basado en comportamientos para un equipo de robots autónomos de cuatro patas (AIBO Sony). Este involucró estrategias dinámicas de juego, nuevos sistemas de visión artificial en tiempo real y técnicas de negociación para coordinar agentes inteligentes en condiciones dinámicas de juego.


SourceUdeCans Team Description

Minería de Opiniones motivada Lingüísticamente

Los mensajes en redes sociales normalmente contiene una gran cantidad de información lingüística implícita. Esto puede afectar significativamente varias tareas incluida la minería de opiniones y el análisis de sentimientos, debido a que la tarea de recuperación de opiniones no podrá obtener todos los mensajes relevantes. Para abordar este problema, este proyecto desarrolló un enfoque adaptativo novedoso para la recuperación de opiniones que combina técnicas de correferencia en lenguaje natural y aprendizaje basado en memoria para resolver correferencias implícitas en textos de opinión informales. .

SourceImproving opinion retrieval in social media by combining features-based coreferencing and memory-based learning

Salir de la versión móvil
%%footer%%